云社区 博客 博客详情

Python+OpenCV实时图像处理

不脱发的程序猿 发表于 2021-01-01 22:55:33 2021-01-01
0
0

【摘要】 目录 1、导入库文件 2、设计GUI 3、调用摄像头 4、实时图像处理 4.1、阈值二值化 4.2、边缘检测 4.3、轮廓检测 4.4、高斯滤波 4.5、色彩转换 4.6、调节对比度 5、退出系统 初学OpenCV图像处理的小伙伴肯定对什么高斯函数、滤波处理、阈值二值化等特性非常头疼,这里给各位分享一个小项目,可通过摄像头实时动态查看各类图像处理的特...

目录

1、导入库文件

2、设计GUI

3、调用摄像头

4、实时图像处理

4.1、阈值二值化

4.2、边缘检测

4.3、轮廓检测

4.4、高斯滤波

4.5、色彩转换

4.6、调节对比度

5、退出系统


初学OpenCV图像处理的小伙伴肯定对什么高斯函数、滤波处理、阈值二值化等特性非常头疼,这里给各位分享一个小项目,可通过摄像头实时动态查看各类图像处理的特点,也可对各位调参、测试有一定帮助。

1、导入库文件

这里主要使用PySimpleGUI、cv2和numpy库文件,PySimpleGUI库文件实现GUI可视化,cv2库文件是Python的OpenCV接口文件,numpy库文件实现数值的转换和运算,均可通过pip导入。


  
  1. import PySimpleGUI as sg #pip install pysimplegui
  2. import cv2 #pip install opencv-python
  3. import numpy as np #pip install numpy

2、设计GUI

基于PySimpleGUI库文件实现GUI设计,本项目界面设计较为简单,设计800X400尺寸大小的框图,浅绿色背景,主要由摄像头界面区域和控制按钮区域两部分组成。效果如下所示:

GUI代码如下所示:


  
  1. #背景色
  2. sg.theme('LightGreen')
  3. #定义窗口布局
  4. layout = [
  5. [sg.Image(filename='', key='image')],
  6. [sg.Radio('None', 'Radio', True, size=(10, 1))],
  7. [sg.Radio('threshold', 'Radio', size=(10, 1), key='thresh'),
  8. sg.Slider((0, 255), 128, 1, orientation='h', size=(40, 15), key='thresh_slider')],
  9. [sg.Radio('canny', 'Radio', size=(10, 1), key='canny'),
  10. sg.Slider((0, 255), 128, 1, orientation='h', size=(20, 15), key='canny_slider_a'),
  11. sg.Slider((0, 255), 128, 1, orientation='h', size=(20, 15), key='canny_slider_b')],
  12. [sg.Radio('contour', 'Radio', size=(10, 1), key='contour'),
  13. sg.Slider((0, 255), 128, 1, orientation='h', size=(20, 15), key='contour_slider'),
  14. sg.Slider((0, 255), 80, 1, orientation='h', size=(20, 15), key='base_slider')],
  15. [sg.Radio('blur', 'Radio', size=(10, 1), key='blur'),
  16. sg.Slider((1, 11), 1, 1, orientation='h', size=(40, 15), key='blur_slider')],
  17. [sg.Radio('hue', 'Radio', size=(10, 1), key='hue'),
  18. sg.Slider((0, 225), 0, 1, orientation='h', size=(40, 15), key='hue_slider')],
  19. [sg.Radio('enhance', 'Radio', size=(10, 1), key='enhance'),
  20. sg.Slider((1, 255), 128, 1, orientation='h', size=(40, 15), key='enhance_slider')],
  21. [sg.Button('Exit', size=(10, 1))]
  22. ]
  23. #窗口设计
  24. window = sg.Window('OpenCV实时图像处理',
  25. layout,
  26. location=(800, 400),
  27. finalize=True)

3、调用摄像头

打开电脑内置摄像头,将数据显示在GUI界面上,效果如下所示:

代码如下所示:


  
  1. #打开内置摄像头
  2. cap = cv2.VideoCapture(0)
  3. while True:
  4. event, values = window.read(timeout=0, timeout_key='timeout')
  5. #实时读取图像
  6. ret, frame = cap.read()
  7. #GUI实时更新
  8. imgbytes = cv2.imencode('.png', frame)[1].tobytes()
  9. window['image'].update(data=imgbytes)
  10. window.close()

4、实时图像处理

4.1、阈值二值化

进行阈值二值化操作,大于阈值values['thresh_slider']的,使用255表示,小于阈值values['thresh_slider']的,使用0表示,效果如下所示:

 代码如下所示:


  
  1. if values['thresh']:
  2. frame = cv2.cvtColor(frame, cv2.COLOR_BGR2LAB)[:, :, 0]
  3. frame = cv2.threshold(frame, values['thresh_slider'], 255, cv2.THRESH_BINARY)[1]

4.2、边缘检测

进行边缘检测,values['canny_slider_a']表示最小阈值,values['canny_slider_b']表示最大阈值,效果如下所示:

代码如下所示:


  
  1. if values['canny']:
  2. frame = cv2.Canny(frame, values['canny_slider_a'], values['canny_slider_b'])

4.3、轮廓检测

轮廓检测是形状分析和物体检测和识别的有用工具,连接所有连续点(沿着边界)的曲线,具有相同的颜色或强度,效果如下所示:

 代码如下所示:


  
  1. if values['contour']:
  2. hue = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)
  3. hue = cv2.GaussianBlur(hue, (21, 21), 1)
  4. hue = cv2.inRange(hue, np.array([values['contour_slider'], values['base_slider'], 40]),
  5. np.array([values['contour_slider'] + 30, 255, 220]))
  6. cnts= cv2.findContours(hue, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[0]
  7. cv2.drawContours(frame, cnts, -1, (0, 0, 255), 2)

4.4、高斯滤波

进行高斯滤波,(21, 21)表示高斯矩阵的长与宽都是21,标准差取values['blur_slider'],效果如下所示:

 代码如下所示:


  
  1. if values['blur']:
  2. frame = cv2.GaussianBlur(frame, (21, 21), values['blur_slider'])

4.5、色彩转换

色彩空间的转化,HSV转换为BGR,效果如下所示:

 代码如下所示:


  
  1. if values['hue']:
  2. frame = cv2.cvtColor(frame, cv2.COLOR_BGR2HSV)
  3. frame[:, :, 0] += int(values['hue_slider'])
  4. frame = cv2.cvtColor(frame, cv2.COLOR_HSV2BGR)

4.6、调节对比度

增强对比度,使图像中的细节看起来更加清晰,效果如下所示:

  代码如下所示:


  
  1. if values['enhance']:
  2. enh_val = values['enhance_slider'] / 40
  3. clahe = cv2.createCLAHE(clipLimit=enh_val, tileGridSize=(8, 8))
  4. lab = cv2.cvtColor(frame, cv2.COLOR_BGR2LAB)
  5. lab[:, :, 0] = clahe.apply(lab[:, :, 0])
  6. frame = cv2.cvtColor(lab, cv2.COLOR_LAB2BGR)

5、退出系统

直接break即可跳出循环。


  
  1. if event == 'Exit' or event is None:
  2. break

拓展学习:基于Python的人工智能美颜系统 

请关注公众号,回复关键字:OpenCV实时图像处理,获取项目资源。

文章来源: handsome-man.blog.csdn.net,作者:不脱发的程序猿,版权归原作者所有,如需转载,请联系作者。

原文链接:handsome-man.blog.csdn.net/article/details/103836242

登录后可下载附件,请登录或者注册

【版权声明】本文为华为云社区用户转载文章,如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件至:huaweicloud.bbs@huawei.com进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容。
评论文章 //点赞 收藏 0
点赞
分享文章到微博
分享文章到朋友圈

上一篇:1行Python代码制作动态二维码

下一篇:工业机器视觉系统的构成与开发过程

评论 (0)


登录后可评论,请 登录注册

评论